銀行信貸違約風(fēng)險影響因素研究

導(dǎo)語：銀行信貸違約風(fēng)險影響因素研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：全球性的經(jīng)濟(jì)危機(jī)再一次說明信貸違約對全球社會造成的影響是巨大的，因此，我國銀行業(yè)需要充分加強(qiáng)自身的風(fēng)險管理控制意識和水平，構(gòu)建有效的預(yù)防機(jī)制和采取相關(guān)措施來將風(fēng)險局限在可控范圍內(nèi)。本研究以我國上市商業(yè)銀行為研究樣本，總結(jié)國內(nèi)外學(xué)者對銀行信貸違約風(fēng)險的影響因素的實證研究。在此基礎(chǔ)上，分析我國銀行信貸違約風(fēng)險的影響因素。本文的創(chuàng)新之處在于比較我國內(nèi)地14家上市銀行數(shù)據(jù)，通過面板數(shù)據(jù)進(jìn)行了實證分析，探討了我國銀行信貸違約風(fēng)險的影響因素的組成，并對銀行業(yè)規(guī)避信貸風(fēng)險提出合理化建議。

關(guān)鍵詞：銀行信貸；信貸違約；信貸風(fēng)險；上市商業(yè)銀行

1研究概況

1.1研究背景

信貸業(yè)務(wù)在我國經(jīng)濟(jì)發(fā)展中具有非常高的拉動作用，在拉動我國國內(nèi)需求、促進(jìn)國人消費方面更是功不可沒。不過隨之市場化改革的加深，信貸業(yè)務(wù)的規(guī)模也逐步擴(kuò)大，違約風(fēng)險等問題也漸漸凸顯出來。銀行出現(xiàn)違約之后，就會在很大程度上制約我國信貸市場的健康發(fā)展。

1.2研究目的

評估分析中國上市銀行的信貸經(jīng)營水平。實證分析信貸違約風(fēng)險對于整個銀行業(yè)乃至民生產(chǎn)業(yè)的影響。

2研究內(nèi)容

2.1研究方法

本文通過研究發(fā)現(xiàn)違約風(fēng)險的影響因素非常廣泛，其中包括了企業(yè)特征、財務(wù)比率等微觀因素、宏觀因素和非經(jīng)濟(jì)因素等。本文的變量（違約風(fēng)險影響因素變量）主要包括以下兩個方面：①企業(yè)特征的變量——企業(yè)總資產(chǎn)；②財務(wù)特征變量——杠桿比率、流動性比率、效率比率、生產(chǎn)率、周轉(zhuǎn)率、盈利率等變量。另外，之前相關(guān)的研究表明，目前并沒有一種模型明顯優(yōu)于其他模型。因此本文選用通用的Logistic違約模型，對商業(yè)銀行違約風(fēng)險影響因素進(jìn)行實證分析。

2.2建模與研究方法

本文選用Logistic違約模型對商業(yè)銀行違約風(fēng)險影響因素進(jìn)行實證分析。基于之前的假設(shè)，本文以企業(yè)規(guī)模SIZE、資產(chǎn)負(fù)債率DA、流動比率LR、應(yīng)收賬款銷售收入比率ARSR、主營成本比例MCR、總資產(chǎn)周轉(zhuǎn)率TAT、總資產(chǎn)收益率ROA這七個因素為自變量，以違約頻率作為因變量，得到初步的模型：式中：1-Y1：沒有違約的頻率；α0-α7：待估計的系數(shù)；μ：隨機(jī)誤差項。

2.3數(shù)據(jù)源

本文以某商業(yè)銀行2019年的500個貸款企業(yè)為樣本。在樣本特征分析的基礎(chǔ)上，進(jìn)行描述性統(tǒng)計、相關(guān)性分析和Logistic回歸分析，對商業(yè)銀行違約風(fēng)險研究模型提出的相關(guān)假設(shè)進(jìn)行驗證。

3研究分析

3.1描述性分析

為了更好地了解樣本的整體情況，本文采用SPSS統(tǒng)計軟件對所選變量相關(guān)數(shù)據(jù)進(jìn)行處理。從樣本描述性統(tǒng)計結(jié)果來看，貸款企業(yè)規(guī)模對數(shù)的均值為6.78，最小值為5.53，最大值為8.12，說明所選企業(yè)的規(guī)模整體上差異不大。資產(chǎn)負(fù)債率均值為0.94，最小值為0.91，最大值為0.96，說明貸款企業(yè)資產(chǎn)負(fù)債率總體上差異性很小。

3.2相關(guān)性分析

在做logistic回歸分析之前首先研究下自變量與因變量之間的關(guān)系，看是否都與因變量有關(guān)，以及自變量之間是否存在多重共線性。從研究結(jié)果來看，所有數(shù)據(jù)的VIF值都明顯小于5，各自變量之間不存在多重共線性。因此，可以對自變量與因變量進(jìn)行l(wèi)ogistic回歸分析。

3.3Logistic回歸分析

把之前的七個自變量帶入Logistic的全變量模型回歸分析，模型的分析結(jié)果如表1所示。Wald統(tǒng)計量顯著水平Sig值小于0.1的自變量為SIZE、DA、LR、MCR、TAT、ROA和Cons.,認(rèn)為自變量為SIZE、DA、LR、MCR、TAT、ROA和Cons.在90%置信水平上與零有顯著差異，這些因子變量與之LogitP之間線性關(guān)系顯著。從結(jié)果可以看出，應(yīng)收賬款銷售收入比率未能通過統(tǒng)計顯著性檢驗，應(yīng)收賬款銷售收入比率對銀行信貸違約風(fēng)險的影響不顯著，不支持假設(shè)四。可能的原因：應(yīng)收賬款銷售收入比率雖然是衡量一個企業(yè)的經(jīng)營能力，但它的比率或高或低只是賬面上的，另外企業(yè)采用賒銷、代銷等運作方式會強(qiáng)烈的影響該企業(yè)的應(yīng)收賬款銷售收入比率，但是未必意味著該企業(yè)的違約概率會增加或者降低。主營成本比例與企業(yè)違約率呈現(xiàn)正相關(guān)的關(guān)系，這與假設(shè)五不符。可能的原因：主營成本比例越高，意味著主營業(yè)務(wù)成本對主營業(yè)務(wù)收入的比重越大，因此，企業(yè)的運營成本也就隨之增加，會增加企業(yè)資金鏈的壓力，進(jìn)而導(dǎo)致企業(yè)違約的概率提高。所以，主營成本比例與企業(yè)違約率呈現(xiàn)正相關(guān)。除應(yīng)收賬款銷售收入比率、主營成本比例和企業(yè)違約率的關(guān)系與原文的假設(shè)不符，其他的變量實證結(jié)果都與預(yù)期相符合。HosmerandLemeshow檢驗卡方分布統(tǒng)計量的顯著水平為0.886>0.05,不顯著，表示因變量的實際值與預(yù)測值的分布沒有顯著差異,說明模型擬合較好。

3.4累積Logistic回歸分析

本文在定義銀行信貸違約的風(fēng)險等級時，按照銀行對每筆貸款記錄的風(fēng)險狀態(tài)進(jìn)行劃分。如果完全正常按時還本息的貸款風(fēng)險等級為完全正常,記為1；如果有逾期一次或作連續(xù)兩次以上且累積罰息和累計拖欠總額欄金額為零的貸款風(fēng)險等級為值得注意，記為2；如果拖欠本息且貸款記采的累積罰息和累計拖欠總額欄金額為不為零的貸款風(fēng)險等級為違約，記為3。在之前的數(shù)據(jù)源部分,在500個有效樣中,完全正常的樣本為136個,逾期的樣本為194個,實質(zhì)性違約的樣本為170個。因變量為貸款風(fēng)險等級，自變最為文章前面部分對商業(yè)銀行信貸違約的7個影響因素。研究結(jié)果顯示，因變量中有序次關(guān)系。根據(jù)累積Logistic模型，可以得到兩個累積Logit函數(shù)，并對其同時進(jìn)行平行度檢驗。本文研究發(fā)現(xiàn)χ2統(tǒng)計量的值為13.784，自由度為8，SigP值為0.125>0.05，說明其不顯著。這說明成比例假設(shè)對所有Logit都成立，成比例假設(shè)不能被拒絕。因而累積Logistic模型適用于上市商業(yè)銀行樣本的分析。

4結(jié)論

4.1研究結(jié)論

綜合本研究Logistic模型的分析結(jié)果，獲致研究結(jié)論如下：（1）企業(yè)規(guī)模與銀行信貸違約風(fēng)險呈顯著負(fù)相關(guān)關(guān)系；（2）資產(chǎn)負(fù)債率與銀行信貸違約風(fēng)險呈不顯著正相關(guān)關(guān)系；（3）流動比率與銀行信貸違約風(fēng)險呈顯著負(fù)相關(guān)關(guān)系；（4）應(yīng)收賬款銷售收入比率與銀行信貸違約風(fēng)險呈不顯著負(fù)相關(guān)關(guān)系；（5）主營成本比率與銀行信貸違約風(fēng)險呈顯著正相關(guān)關(guān)系；（6）資產(chǎn)周轉(zhuǎn)率與銀行信貸違約風(fēng)險呈顯著負(fù)相關(guān)關(guān)系；（7）總資產(chǎn)收益率與銀行信貸違約風(fēng)險呈不顯著正相關(guān)關(guān)系。

4.2研究建議

通過實證分析，本研究對中國上市商業(yè)銀行提出以下建議供參考。研究建議是：（1）不同的貸款者的償還能力和信用有所差別，銀行所承擔(dān)的風(fēng)險也有所差異。因此，商業(yè)銀行對于信用條件相對差的貸款者相應(yīng)地提高質(zhì)押品的比率。比如貸款人購房需要按信用條件不同提高初次的購房首付比例（目前均為1~3成），可以因應(yīng)信用水平提高或者不予借貸，以減輕可能信貸違約造成的損失。（2）商業(yè)銀行按揭成數(shù)提高，以降低銀行在放貸市場的信貸違約風(fēng)險。但是這個數(shù)值具體是多少，依然需要國家宏觀調(diào)控和市場調(diào)節(jié)兩只手一起作用。（3）在日常管理上，銀行管理層要研究自身可以承受信貸違約風(fēng)險的程度，不能盲目追求銀行效益。前不久福建興業(yè)銀行的一個支行就出現(xiàn)了破產(chǎn)的鬧劇，這主要也是由于當(dāng)?shù)刂忻つ糠刨J，導(dǎo)致資金虧空的結(jié)果。（4）信貸專業(yè)部門要因地制宜，認(rèn)真審核貸款客戶（特別是有政府擔(dān)保或者要求放貸的地方企業(yè)）的經(jīng)營情況與信譽(yù)、資金實力與負(fù)債程度、經(jīng)濟(jì)效益與發(fā)展前景等。

參考文獻(xiàn)

[1]艾迪.凱德.銀行風(fēng)險管理[M].北京:中國金融出版社,2004(2):2-10

[2]楊軍.銀行信用風(fēng)險－理論、模型和實證分析[M].北京:中國財政經(jīng)濟(jì)出版社,2004(3):55.

[3]王春峰.金融市場風(fēng)險管理[M].天津:天津大學(xué)出社,2001(5):71-83.

[4]于立勇,詹捷輝.基于Logistic回歸分析的違約概率預(yù)測研究[J].財政研究,2004(9):85.

[5]石曉軍,任遠(yuǎn)文和肖遠(yuǎn)文.邊界Logistic違約率模型及實證研究[J].管理科學(xué)學(xué)報,2007(6):15-16.

[6]汪加興.中國銀行貸款違約損失率影響因素實證分析[J].經(jīng)濟(jì)評論,2007(3):90-93.

作者：錢子潮 魏喆 毛鴻霖 單位：澳門城市大學(xué)商學(xué)院